View
221
Download
0
Category
Preview:
Citation preview
44
BAB III
METODOLOGI PENELITIAN
A. Objek dan Ruang Lingkup Penelitian
Objek dan ruang lingkup dari penelitian ini adalah kualitas laba dari
perusahaan sektor industri manufaktur yang terdaftar di Bursa Efek Indonesia
selama tahun 2012 sampai dengan 2016. Industri manufaktur dipilih karena industri
yang termasuk ke dalam sektor sekunder menurut Jakarta Stock Industrial
Classification (JASICA) dinilai relatif stabil. Kondisi yang relatif stabil disebabkan
sektor ini menaungi industri dasar dan kimia, industri rupa-rupa, dan industri barang
konsumsi yang amat dekat dengan masyarakat.
B. Metode Penelitian
Berdasarkan objek dan ruang lingkup penelitian di atas, penelitian ini
menggunakan pendekatan kuantitatif. Metode penelitian yang digunakan adalah
regresi data panel untuk mengetahui masing-masing arah dan pengaruh antar-
variabel independen dengan variabel dependen. Data penelitian yang telah
diperoleh akan diolah, diproses, dan dianalis lebih lanjut dengan menggunakan alat
atau aplikasi, yaitu Eviews.
C. Populasi dan Sampel
Populasi yang digunakan dalam penelitian ini adalah perusahaan industri
manufaktur yang terdaftar di BEI selama tahun 2012-2016. Penelitian ini dalam
pemilihan sampel menggunakan metode purposive sampling dimana data yang
45
akan digunakan sesuai dengan yang dibutuhkan dalam penelitian ini. Adapun
kriteria yang digunakan dalam pemilihan sampel antara lain:
1. Perusahaan industri manufaktur yang terdaftar di BEI telah menerbitkan
laporan tahunan berturut-turut dari tahun 2012-2016.
2. Laporan tahunan menyajikan data dalam mata uang rupiah.
3. Laporan tahunan perusahaan mengungkapkan data kompensasi secara
berturut-turut dari tahun 2012-2016.
Tabel III.1
Seleksi Sampel
Keterangan Jumlah
Perusahaan industri manufaktur yang terdaftar di Bursa Efek Indonesia
pada tahun 2016
147
Perusahaan yang tidak menerbitkan laporan keuangan berturut-turut
dari tahun 2012-2016
(22)
Perusahaan yang tidak menyajikan data laporan keuangan dalam mata
uang rupiah
(27)
Perusahaan yang tidak mengungkapkan data kompensasi secara
berturut-turut dari tahun 2012-2016
(15)
Jumlah hasil purposive sampling 83
Hasil seleksi uji outlier (18)
Jumlah sampel akhir, yang terdiri dari: 65
Total observasi (5 tahun) 325
Sumber: Data diolah oleh peneliti (2018).
Berdasarkan Tabel III.1, hasil purposive sampling yang memenuhi kriteria
hanya 83 perusahaan. Setelah dilakukan uji outlier terdapat 18 perusahaan yang
memiliki nilai di luar kriteria, sehingga sampel penelitian menjadi 65 perusahaan
setelah dikurangi 18 perusahaan (Lampiran 1, hal.103). Jumlah tersebut dikalikan
dengan tahun amatan penelitian 5 tahun (2012-2016) sehingga total keseluruhan
observasi dalam penelitian ini adalah 325.
46
Penelitian ini menggunakan data sekunder berupa data anggota dewan
perempuan untuk variabel keberagaman dewan, jumlah kompensasi untuk anggota
dewan perusahaan untuk variabel kompensasi eksekutif, jumlah liabilitas dan
ekuitas untuk variabel debt covenant, serta jumlah aset, jumlah ekuitas, jumlah
saham yang beredar, dan harga penutupan saham perusahaan untuk variabel set
kesempatan investasi. Sumber data tersebut berasal dari laporan keuangan atau
laporan tahunan yang didapat dari website resmi Bursa Efek Indonesia
(www.idx.co.id) dan sumber pendukung lain baik dari literatur buku, jurnal, artikel,
maupun situs internet.
Dalam menganalisis data sekunder tersebut diperlukan pengolahan data
menggunakan teknik analisis data. Penelitian ini menggunakan analisis regresi data
panel dalam pengolahan data. Analisis regresi data panel adalah gabungan antara
data cross section dan data time series, dimana unit cross section yang sama diukur
pada waktu yang berbeda (Ghozali, 2013).
D. Operasionalisasi Variabel Penelitian
Variabel dalam dalam penelitian ini terbagi menjadi dua, yaitu variabel terikat
dan variabel bebas. Variabel terikat dalam penelitian ini adalah kualitas laba,
sedangkan variabel bebas yang digunakan adalah board diversity, kompensasi
eksekutif, debt covenant, dan investment opportunity sets.
1. Variabel Terikat
a. Definisi Konseptual
Kualitas laba memiliki pengertian tingkatan dari laba yang menggambarkan
akibat ekonomis yang sebenarnya dari suatu kegiatan usaha (Khotimah, 2016).
47
Ketika mengukur kinerja perusahaan, kualitas laba berpedoman pada relevansi laba
(Subramanyam, 2017).
b. Definisi Operasional
Penelitian ini menggunakan proksi discretionary accruals dengan model
modifikasi Jones untuk variabel kualitas laba. Para peneliti sebelumnya seperti
Yulius, Purwohedi, dan Warokka (2017),Warianto dan Rusiti (2014), Novianti
(2012), Tanomi (2012) juga menggunakannya. Dalam mengukur discretionary
accruals dapat dilakukan melalui tahapan berikut ini:
Tahap pertama menghitung total akrual menggunakan rumus berikut:
TACit = NIit – CFOit
Keterangan:
TACit : Total accruals perusahaan i pada periode t
NIit : Laba bersih operasi (Net Operating Income) perusahaan i pada
periode t
CFOit : Arus kas operasi perusahaan i pada periode t
Tahap kedua menghitung non discretionary accruals dengan menggunakan
rumus berikut:
TACit
TAit-1
= α0+β1(1
TAit-1
)+ β2((∆REVit - ∆RECit)
TAit-1
) + β3(PPEit
TAit-1
)+ ɛ
Kemudian hasil koefisien α dan β dimasukkan kembali ke rumus untuk mencari
non discretionary accruals berikut:
NDACit = α0+β1(1
TAit-1
)+ β2((∆REVit - ∆RECit)
TAit-1
) + β3 (PPEit
TAit-1
)
48
Keterangan:
NDACCit : Non discretionary accruals perusahaan i pada periode t
TAi,t-1 : Total aktiva perusahaan i pada periode t-1
∆REVit : Pendapatan perusahaan i pada tahun t dikurangi pendapatan t-1
∆RECit : Piutang dagang perusahaan i pada tahun t dikurangi piutang dagang
tahun t-1
PPEit : Properti, Pabrik, dan Peralatan perusahaan i pada tahun t
ɛ : Error
Kemudian baru dapat menghitung nilai discretionary accruals dengan rumus
berikut:
DACit = TACit
TAit-1
– NDACit
Keterangan :
DACit : Discretionary accruals perusahaan i pada periode t
TACit : Total accruals perusahaan i pada periode t
TAi,t-1 : Total aktiva perusahaan i pada periode t-1
NDACit : Non Discretionary Accruals perusahaan i pada periode t
2. Variabel Bebas
a. Keberagaman Dewan
1) Definisi Konseptual
Keberagaman dewan dapat dilihat berdasarkan atribut demografi salah
satunya gender (Hoang, Abeysekara, dan Ma, 2017). Terlebih lagi yang
dijelaskan oleh Srinidhi, Gul, dan Tsui (2011) bahwa keberagaman gender
49
yang merupakan salah satu ukuran keberagaman dewan berkontribusi pada
keluasan dalam hal kemampuan, perspektif, dan pengalaman pada dewan
perusahaan.
2) Definisi Operasional
Penelitian ini menggunakan rasio dalam menghitung kebergaman dewan.
Hal ini didukung penelitian yang dilakukan oleh Panzer dan Muller (2015).
Cara mengukur rasio sebagai berikut:
GDV = Jumlah Perempuan Dewan Perusahaan
Jumlah Seluruh Dewan Perusahaan
b. Kompensasi Eksekutif
1) Definisi Konseptual
Menurut Paz dan Grifin (2014), kompensasi eksekutif adalah pembayaran
oleh pemilik perusahaan terhadap eksekutif yang mengelola bisnis.
Kompensasi eksekutif yang dimaksudkan dalam Gelen (2016) ditegaskan
bahwa macam remunerasi untuk memastikan eksekutif dapat tetap termotivasi
yang pada akhirnya diharapkan dapat meningkatkan kinerja perusahaan.
2) Definisi Operasional
Penelitian ini menggunakan log natural dari total kas kompensasi eksekutif
yang diungkap dalam laporan tahunan perusahaan. Pengukuran ini dipilih
sebagaimana dengan penelitian yang telah dilakukan oleh Rasheed, Kaynat,
dan Nawaz (2016) dan Sosiawan (2012) dalam pengukuran kompensasi
eksekutif.
50
c. Debt Covenant
1) Definisi Konseptual
Debt covenant adalah batasan dari perjanjian utang antara perusahaan
dengan kreditur (Gibson, 2013). Debt covenant sebagai bentuk upaya
memastikan perusahaan dapat memenuhi persyaratan kontrak utang pada
kreditur (Herawati, 2010).
2) Definisi Operasional
Penelitian ini dalam variabel debt covenant menggunakan debt to equity
ratio (DER) sebagai proksi. Hal ini didukung oleh penelitian yang dilakukan
oleh para peneliti sebelumnya, yaitu Tanomi (2012) dan Ghosh bersama Moon
(2010).
DER = Total Hutang
Total Ekuitas
d. Set Kesempatan Investasi
1) Definisi Konseptual
Set kesempatan investasi mengarahkan dimana nilai perusahaan merupakan
tujuan utama yang tergantung pada pengeluaran perusahaan di masa depan
(Myers, 1977). Kallapur dan Trombeley (2001) menyatakan bahwa perusahaan
yang tumbuh dapat terlihat dari harga saham dimana pasar menilai tumbuhnya
perusahaan berdasarkan aset lebih besar dari nilai buku yang dimiliki.
Nurhanifah dan Jaya (2014) menjelaskan bahwa tinggi rendahnya kesempatan
investasi dapat merefleksikan kualitas dari informasi yang disajikan
perusahaan dalam laporan keuangan.
51
2) Definisi Operasional
Dalam penelitian ini digunakan pengukuran Market to Book Value Assets
Ratio (MBVA). Hal ini sejalan dengan para peneliti sebelumnya, yaitu Putra
dan Subowo (2016), Nurhanifah dan Jaya (2014), Wulansari (2012), dan
Novianti (2012) dalam variabel investment opportunity sets menggunakan
pengukuran Market to Book Value Assets Ratio (MBVA), yang dirumuskan
dengan:
MBVA=
Total Aset-Total Ekuitas+(Lembar Saham Beredar x Harga Penutupan Saham)
Total Aset
E. Teknik Analisis Data
Penelitian ini menggunakan teknik-teknik untuk menganalisa data yang telah
diperoleh. Penulis menggunakan statistik deksriptif, uji asumsi klasik, analisis
regresi data panel, dan uji hipotesis. Adapun penjelasan dari teknik analisis data
yang digunakan, sebagai berikut:
1. Analisis Statistik Deksriptif
Analisis statistik deskriptif dilakukan untuk menjelaskan variabel penelitian
yang diujikan dengan melihat gambaran nilai mean, standar deviasi, serta nilai
minimum dan maksimum dari masing-masing variabel (Winarno, 2011). Hitungan
pokok dalam statistik deskriptif adalah:
a. Mean adalah rata-rata yang didapatkan dengan menjumlahkan seluruh data dan
membaginya dengan cacah data. Rumus yang digunakan adalah:
X̅ = ∑Xi
n
52
Keterangan:
X̅ = Mean dari data
ΣXi = Total sampel dari data
n = Jumlah data
b. Maksimum dan minimum adalah nilai terbesar dalam data dan nilai paling
terkecil dalam data.
c. Standar deviasi atau simpangan baku adalah ukuran sebaran statistik yang
paling lazim. Singkatnya, ia mengukur bagaimana nilai-nilai data tersebar. Bisa
juga didefinisikan sebagai rata-rata jarak penyimpangan titik-titik data diukur
dari nilai rata-rata data tersebut. Rumus yang digunakan adalah :
S = √∑ (Xi - x ̅)
n-1
2. Pemilihan Model yang Tepat Regresi Data Panel
Winarno (2011) menerangkan bahwa terdapat tiga pendekatan dalam
perhitungan model regresi data panel. Berikut ini pendekatan yang terdapat pada
analisis regresi data panel antara lain:
a. Pooled Least Square (PLS) atau Common Effect
Pendekatan model data panel yang paling sederhana karena hanya
mengkombinasikan data time series dan cross section. Model ini tidak
memperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa
perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa
53
menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat
terkecil untuk mengestimasi model data panel.
b. Fixed Effect Model
Model ini mengasumsikan bahwa perbedaan antar-individu dapat diakomodasi
dari perbedaan intersepnya. Untuk mengestimasi data panel model Fixed Effects
menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar-
perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya kerja,
manajerial, dan insentif. Namun demikian slopnya sama antar-perusahaan. Model
estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable
(LSDV).
c. Random Effect Model
Model ini akan mengestimasi data panel dimana variabel gangguan mungkin
saling berhubungan antar-waktu dan antar-individu. Pada model Random Effect
perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan.
Keuntungan menggunakan model Random Effect yakni menghilangkan
heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM)
atau teknik Generalized Least Square (GLS).
Terdapat tiga uji yang digunakan untuk menentukan teknik yang paling tepat
untuk mengestimasi regresi data panel. Pertama, uji statistik F (Uji Chow)
digunakan untuk memilih antara metode Common-Constant (The Pooled OLS
Method) tanpa variabel dummy atau Fixed Effect. Kedua, uji Lagrange Multiplier
(LM) digunakan untuk memilih antara Common-Constant (The Pooled OLS
Method) tanpa variabel dummy atau Random Effect. Terakhir, uji Hausman
digunakan untuk memilih antara Fixed Effect atau Random Effect. Dalam penelitian
54
ini untuk memilih model yang paling tepat terdapat beberapa pengujian yang dapat
dilakukan, antara lain:
a. Uji Chow
Chow test adalah pengujian untuk menentukan model Common Effect atau
Fixed Effect yang paling tepat digunakan dalam mengestimasi data panel. Hipotesis
yang digunakan adalah:
H0 : Model Common Effect, p-statistik F > 0,05
H1 : Model Fixed Effect, p-statistik F < 0,05
Ketika model fixed effect yang terpilih, maka perlu melanjutkan pemilihan
model data dengan uji Hausman. Namun, jika yang terpilih adalah common effect,
maka analisis regresi data panel menggunakan model tersebut.
b. Uji Hausman
Setelah mendapatkan hasil pada uji chow bahwa model yang terbaik adalah
fixed effect, maka langkah selanjutnya melakukan uji Hausman. Hausman test
adalah pengujian statistik untuk memilih apakah model Fixed Effect atau Random
Effect yang paling tepat digunakan dalam estimasi data. Hipotesis yang digunakan
adalah:
H0 : Model Random Effect, p-statistik chi-square > 0,05
H1 : Model Fixed Effect, p-statistik chi-square < 0,05
Apabila model terbaik yang terpilih adalah fixed effect, dengan demikian model
ini yang terpilih untuk analisis regresi data panel. Namun, bila random effect yang
terpilih, maka dilakukan tahapan uji langrage multiplier sebagai uji lanjutan
pemilihan model terbaik untuk analisis regresi data panel.
55
c. Uji Langrage Multiplier
Bila terpilih hasil model random effect, maka perlu melakukan uji yang
terakhir dalam penentuan model, yaitu uji langrage multiplier. Pengujian statistik
ini untuk menentukan estimasi terbaik antara Common Effect atau Random Effect
yang terbaik. Hipotesis yang digunakan adalah:
H0 : Model Random Effect, p-statistik > 0,05
H1 : Model Common Effect, p-statistik < 0,05
3. Uji Asumsi Klasik
Asumsi klasik merupakan salah satu pengujian prasyarat pada analisis regresi.
Winarno (2011) menjelaskan bahwa suatu model regresi yang valid harus
memenuhi kriteria BLUE (Best, Linear, Unbiased, and Estimated). Cara
mengetahui apakah model regresi yang kita gunakan dalam penelitian telah
memenuhi kriteria BLUE, yaitu uji Asumsi Klasik. Pengujian asumsi yang harus
dipenuhi agar persamaan regresi dapat digunakan dengan baik, sebagai berikut:
a. Uji Normalitas
Uji normalitas pada data bertujuan untuk menguji pada sebuah model regresi,
variabel pengganggu atau residual memiliki distribusi normal. Model regresi
dikatakan baik apabila data berdistribusi normal atau mendekati normal. Jika
asumsi ini tidak terpenuhi, maka uji statistik memiliki hasil yang tidak valid. Uji
normalitas dapat dilakukan dengan uji normal histogram, uji Jarque-Berra, serta
pengujian one sample kolmogorov smirnov. Apabila data tidak berdistribusi normal,
maka dapat dilakukan uji outlier dan dibahas selanjutnya.
56
Uji Outlier
Outlier adalah data yang memiliki karakteristik unik atau berbeda dari data lainnya
dalam suatu observasi dan berupa nilai ekstrim (Ghozali, 2015). Hal yang
menyebabkan adanya outlier, antara lain:
1) Kesalahan pada saat memasukkan data
2) Kegagalan dalam menspesifikasi adanya nilai yang hilang dalam program
komputer
3) Data bukan anggota populasi yang kita jadikan sampel
4) Data termasuk dari populasi yang dijadikan sampel, tetapi tidak terdistribusi
normal karena memiliki nilai yang ekstrim
Bila ingin mencari outlier dapat menggunakan standarisasi data dengan Zscore.
Jika perusahaan memiliki nilai Zscore lebih dari 2,5 dan kurang dari -2,5, maka
perusahan tersebut memiliki nilai ekstrim dan harus dikeluarkan dari observasi.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mendeteksi apakah variabel independen
pada model regresi saling berkorelasi (Ghozali, 2013). Untuk memenuhi kriteria
BLUE, tidak boleh terdapat hubungan antara setiap variabel independen pada
model regresi. Apabila terjadi korelasi antara variabel independen, maka variabel
tersebut dapat dikatakan tidak ortogonal. Dalam pengujian ini dideteksi dengan
melihat nilai korelasi parsial antar-variabel independen yang melebihi 0,80
(Ghozali, 2013).
57
c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji suatu model regresi linier adanya
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu
pada periode t-1 (Ghozali, 2013). Masalah autokorelasi disebabkan oleh residual
(kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya.
Regresi yang bebas dari autokorelasi merupakan model regresi yang baik.
Pengujian autokorelasi dalam penelitian ini menggunakan model Durbin Watson
(DW- test). Kriteria pengambilan keputusan dapat dilihat pada Gambar III.1.
Gambar III.1
Kriteria Uji Durbin-Watson
Sumber: Winarno (2015)
d. Uji Heteroskedastisitas
Uji heteroskedastisitas merupakan uji dalam asumsi klasik yang bertujuan
untuk menguji ketidaksamaan varian dari residual dari pengamatan yang dilakukan
(Nachrowi dan Usman, 2006). Jika varian residual yang dimiliki sama, maka
disebut homoskedastisitas. Namun, ketika varian residual yang dimiliki berbeda
atau berubah-ubah disebut heteroskedastisitas. Dalam menguji ada tidaknya
heteroskedastisitas, dapat digunakan metode grafik dan uji formal. Uji formal dapat
dilakukan dengan uji Glejser yang meregresi nilai resdiu absolut terhadap variabel
58
independen lainnya. Pada uji ini kriteria yang digunakan apabila nilai p statistik
masing-masing variabel di atas tingkat signifikansi (0,05), maka bebas dari
heteroskedastisitas.
4. Analisis Regresi Data Panel
Data panel merupakan data dari beberapa individu sama yang diamati dalam
kurun waktu tertentu (Ghozali, 2013). Jika kita memiliki T periode waktu (t =
1,2,…,T) dan N jumlah individu (i = 1,2,…,N), maka dengan data panel kita akan
memiliki total unit observasi sebanyak NT. Jika jumlah unit waktu sama untuk
setiap individu, maka data disebut balanced panel. Jika sebaliknya, yakni jumlah
unit waktu berbeda untuk setiap individu, maka disebut unbalanced panel.
Sedangkan jenis data yang lain, yaitu: data time-series dan data cross-section.
Pada data time series, satu atau lebih variabel akan diamati pada satu unit observasi
dalam kurun waktu tertentu. Sedangkan data cross-section merupakan amatan dari
beberapa unit observasi dalam satu titik waktu. Mengingat data panel merupakan
gabungan dari data cross section dan data time series, maka modelnya dituliskan
dengan:
Yit = α + β1X1it + β2X2it + … + βnXnit + ɛit
Dimana:
Yit = variabel terikat (dependent)
Xit = variabel bebas (independent)
i = entitas ke-i
t = periode ke-t
59
Model penelitian yang digunakan dalam penelitian ini adalah:
EQ = α + β1GDVit + β2KMKt + β3DCOVit + β4sIOSit + ɛ
Dimana:
EQ : Kualitas Laba
GDV : Keberagaman Dewan
KMK : Kompensasi Eksekutif
DCOV : Debt Covenant
IOS : Set Kesempatan Investasi
ɛ : Error
5. Uji Hipotesis
Uji hipotesis berguna untuk menguji signifikansi koefisien regresi yang didapat
(Nachrowi dan Usman, 2006). Artinya, koefisien regresi yang didapat secara
statistik tidak sama dengan nol, karena jika sama dengan nol maka dapat dikatakan
bahwa tidak cukup bukti untuk menyatakan variabel bebas mempunyai pengaruh
terhadap variabel terikatnya. Untuk kepentingan tersebut, maka semua koefisien
regresi harus diuji.
a. Uji T Statistik
Uji statistik t merupakan pengujian yang dilakukan untuk mengetahui apakah
masing–masing variabel independen berpengaruh secara signifikan terhadap
variabel dependen (Nachrowi dan Usman, 2006). Dalam penelitian ini uji statistik
t digunakan untuk mengetahui pengaruh (X1), (X2) secara individual berpengaruh
terhadap variabel dependen yaitu (Y). Pada uji t statistik digunakan kriteria berikut:
1) –t Tabel < t hitung < t Tabel, maka H0 diterima dan Ha tidka diterima
60
2) –t hitung < -t Tabel atau t hitung > t Tabel, maka H0 tidak diterima dan Ha
diterima
Cara memperoleh nilai t tabel melalui derajat kebebasan dengan signifikansi
yang telah ditentukan yaitu:
Df = n-k
Dimana:
Df: derajat kebebasan
n: jumlah observasi
k: jumlah variabel independen
Kriteria pengujian dengan tingkat signifikansi 5% adalah jika t hitung < t tabel,
maka Ho diterima yang berarti variabel independen secara individual tidak
mempengaruhi variabel dependen. Sedangkan jika t hitung > t tabel, maka Ho
ditolak yang berarti variabel independen secara individual berpengaruh terhadap
variabel dependen.
b. Uji F Statistik
Pengujian hipotesis ini dilakukan untuk melihat pengaruh secara bersamaan
dari variabel independen dalam model analisis regresi (Nachrowi, 2006). Kriteria
yang digunakan pada uji ini, antara lain:
H0 : Signifikan secara bersama-sama, F hitung < F tabel
H1 : Tidak signifikan secara bersama-sama, F hitung > F tabel
61
Dalam memperoleh nilai f tabel melalui derajat kebebasan dengan signifikansi
0,05, maka perlu dihitung:
df1 = k-1
df2 = n-k
Dimana:
df : derajat kebebasan
n : jumlah observasi
k : jumlah variabel baik dependen dan independen
6. Uji Koefisien Determinasi (R2)
Uji koefisien determinasi (R2) digunakan untuk mengukur seberapa besar
kemampuan model dalam menerangkan variasi variabel dependen (Winarno,
2011). Nilai koefisien determinasi yang mendekati satu berarti variabel-variabel
independen hampir memberikan semua informasi yang dibutuhkan untuk
memprediksi variabel dependen (Ghozali, 2013). Tingkat ketepatan regresi
dinyatakan dalam koefisien determinasi majemuk (R2) yang nilainya antara 0
sampai dengan 1. Nilai Adjusted R Square yang semakin mendekati 1 (satu)
menunjukkan semakin kuat kemampuan variabel independen dalam menjelaskan
variabel dependen. Koefisien determinasi dilakukan untuk mendeteksi ketepatan
yang paling baik dalam analisis regresi ini, yaitu dengan membandingkan besarnya
nilai koefisien determinan, jika R2 semakin besar mendekati 1 (satu) maka model
semakin tepat.
Recommended